轮胎胎圈敷贴质量控制

分析影响轮胎胎圈敷贴质量的因素,并提出相应解决措施。三角胶用终炼胶门尼粘度和硬度偏高、三角胶根部几何形状设计和三角胶结构设计缺陷、三角胶生产参数异常、部件尺寸不合格、设备精度不达标以及物料存放环境温度和湿度不合适等均会造成胎圈敷贴质量不合格。通过采取严格控制三角胶用胶料性能、优化三角胶口型设计、制定三角胶设计参数对照表、固定三角胶生产参数、确保部件尺寸合格和设备精度达标以及固定物料存放环境条件等措施,保证了胎圈质量的合格率。     

全钢载重子午线轮胎0°带束层压延长度和张力差异的原因分析及解决措施

分析全钢载重子午线轮胎双条0°带束层压延导开后左右两侧长度和张力差异的产生原因,并采取相应解决措施。产生原因包括储步装置两侧质量差异、0°带束层厚度对称性差异、钢丝帘线排线板结构设计不合理、锭子架钢丝帘线放线张力差异和终炼胶门尼粘度过大等,通过采取确保储步装置两侧质量对称、优化0°带束层口型设计、优化钢丝帘线排线板结构设计、改进锭子架钢丝帘线放线张力控制系统和严格控制终炼胶门尼粘度等措施,有效解决了双条0°带束层导开后左右两侧长度和张力差异问题。     

聚丙烯装置卧式反应器搅拌器驱动轴断裂分析

某聚丙烯装置卧式反应器运行2年3个月后,反应器驱动端轴头处发生断裂。文章根据轴头处的断口形式以及生产不同牌号时驱动电机轴功率的变化情况等方面,判断该轴头断裂属于疲劳断裂,并从疲劳断裂的机理出发,分析了该反应器轴头断裂源(初始裂纹)产生及裂纹扩展的过程。为保证该类型反应器今后的安全运行,提出了防止出现此类问题的相应技术要求。     

发酵非常规蛋白饲料对肉仔鸡生长性能和养分消化率的影响

研究了发酵非常规蛋白饲料(后称发酵饲料)对肉仔鸡生产性能和养分消化率的影响,选用250只肉仔鸡,随机分为5个处理组,试验期6周。A组饲料为基础玉米豆粕日粮,B组添加10%未发酵饲料替代部分豆粕,处理组C、D、E分别添加发酵饲料5%、10%、15%替代部分豆粕。处理组平均日采食量、平均日增重均高于B组,与A组相比差异不显著(P>0.05),D组与A组最为接近。通过代谢试验可得出,发酵饲料与未发酵饲料相比粗蛋白质消化率显著增加(P<0.05),氨基酸消化率差异不显著(P>0.05)。因此,在发酵饲料替代10%豆粕是可行的。     

掺杂添加剂预焙阳极的制备及其在铝电解槽中的应用研究

介绍了掺杂含铝添加剂预焙阳极的制备方法及工业应用试验.结果表明,添加剂S1是一种较理想的阳极添加剂,当S1添加质量分数为0.6%时,能有效改善阳极性能,提高阳极的两性反应能力.工业应用试验表明,改性阳极的氧化现象明显减轻,氟化铝消耗降低.残极高度少消耗约3 cm,铝电解生产过程更趋平稳,原铝质量有所提高.     

变电站深水井接地极的实践探索

深水井接地极利用地下水自然向水井渗透聚集的原理,增加接地极周围土壤的湿度,降低这部分土壤的电阻率,从而达到降低接地电阻的目的。依托某220 kV变电站新建工程开展了深水井接地极与常规钢管接地极的降阻效果实测对比,探索深水井接地极的实际效果。     

烟草OSCA基因家族鉴定及非生物胁迫诱导表达模式分析

高渗门控钙渗透通道(OSCA,hyperosmolal-gatedcalcium-permeable channel)是一种Ca²⁺非选择性阳离子通道,OSCA家族含有钙依赖性通道DUF221结构域。为了进一步了解烟草OSCA基因家族特征和功能,本研究从栽培烟草K326基因组中鉴定到23个OSCA家族基因,并对NtOSCA家族系统进化关系、基因结构与蛋白结构域、启动子、不同组织器官及干旱和盐胁迫下表达模式进行分析。根据进化关系,NtOSCA基因家族被分为4个亚家族,并且同一亚家族成员间蛋白及基因结构相似。启动子分析结果表明,NtOSCA家族基因启动子中存在着多种不同的胁迫响应元件,其中干旱响应元件和脱落酸响应元件较多。进一步组织表达分析结果表明,NtOSCA基因家族成员在不同组织的表达量不同。干旱和盐胁迫表达模式分析表明,20个NtOSCA基因在干旱胁迫下表达量上调,15个NtOSCA基因在盐胁迫下表达量上调。这说明OSCA基因家族在烟草抗旱和抗盐胁迫中具有重要作用。     

基于LSTM神经网络的锂离子电池荷电状态估算

针对锂离子电池荷电状态(state of charge, SOC)预测问题,采用长短期记忆循环神经网络(long short-term memory, LSTM)搭建电池SOC预测模型。利用直流电子负载对18650锂离子电池进行多工况放电,将电池电压、放电电流作为模型输入。将采集数据分为训练集、验证集和测试集,在训练集上训练模型,在验证集上调节模型超参数,在测试集上测试模型性能。采用带动量的随机梯度下降(stochastic gradient descent, SGD)进行权重更新,并加入Dropout正则化方法。在动态放电情况下,使用所提方法预测电池SOC最大绝对误差为2.0%,平均绝对误差为1.05%,验证了该方法的可行性。测试结果表明,在模型训练过程中加入Dropout正则化方法,可以有效降低网络的过拟合现象,增强模型的泛化能力。